基于主成分分析法的遗传神经网络模型对电力系统的短期负荷预测

黄媛玉，毛弋

（湖南大学信息科学与工程学院，中国长沙 410082;湖南大学电气工程与科学学院，中国长沙 410082）

基于主成分分析法的遗传神经网络模型对电力系统的短期负荷预测

黄媛玉，毛弋*

（湖南大学信息科学与工程学院，中国长沙 410082;湖南大学电气工程与科学学院，中国长沙 410082）

针对BP神经网络的两个主要缺点，网络训练速度慢，对初始权值阈值敏感，容易陷入局部极小点，本文利用多元统计分析的主成分分析方法（Principal components analysis，PCA），在不损失原始负荷数据主要信息的前提下提取负荷数据的主成分，有效地减少了预测模型的输入量.同时将遗传算法（GA）与BP神经网络结合，利用GA的全局搜索优化BP网络的结构参数，有效克服BP算法的局部收敛等问题.实验结果表明，该方法提高了预测精度，得到了较好的预测结果.

电力系统;负荷预测;主成分分析;遗传算法;BP神经网络

电力系统短期负荷预测是电力生产部门的重要工作之一，它主要用于预报未来几小时、一天至几天的电力负荷.通过准确的负荷预测，可以经济合理地安排机组启停，减少旋转备用容量，合理安排检修计划，降低发电成本，提高经济效益，是电力系统运行的安全性、经沪生和供电质量的重要保障.

BP神经网络已广泛应用于短期负荷预测中，其最主要的特点是有很强的非线性拟合能力，可映射任意复杂的非线性关系.具有高度的容错性和鲁棒性以及强大的白组织、自学习能力.

短期负荷预测中输入变……